快速开始
在你的 Comfy 工作区中创建一个密钥,并将其导出为COMFY_API_KEY。Python 和 TypeScript 代码片段使用 Comfy SDK(pip install comfy-sdk 和 npm install @comfyorg/sdk);cURL 代码片段则是通过原生 HTTP 发起的同一次调用。
模型 ID: wan/wan2.6-r2v
端点: POST https://api.comfy.org/v2/models/wan/wan2.6-r2v
- 等待结果
- 入队并稍后收集
同一请求体,发送至
POST https://api.comfy.org/v2/models/wan/wan2.6-r2v/requests。只要运行被接受,Router 就会返回 201 和一个 request_id,结果就绪后即可收集,无论从当前进程还是其他进程。队列投递 介绍了状态查询、取消和结果收集。Schema
输入
首帧图像网址或 Base64 编码数据。wan2.5-i2v-preview 和 wan2.6-i2v 模型必填。happyhorse-1.x 的 i2v 拼写不在此处接收首帧:它们将首帧作为 type 为 first_frame 的 media 元素传入(参见下文 media);并且在 wan2.6-i2v 上能够成功的 img_url 请求体,在 happyhorse-1.0-i2v 和 happyhorse-1.1-i2v 上会被提供商拒绝;wan2.7/wan3.0 的拼写同样在 media 中传入其参考资产。图像格式:JPEG、JPG、PNG、BMP、WEBP。分辨率:360-2000 像素。文件大小:最大 10MB。
媒体资产列表。指定用于视频生成的参考素材(图像、音频、视频)。每个元素包含 type 和 url 字段。此字段由此组件提供的所有模型共用,而给定模型接受哪些 type 值,以及它究竟是把图像或视频输入放在这里而非 img_url 或 reference_video_urls 中,都因模型而异。各模型支持的 type 值如下:
- wan2.7-i2v: first_frame, last_frame, driving_audio, first_clip. first_frame 和 last_frame:JPEG/JPG/PNG/BMP/WEBP,每边 240-8000 像素,宽高比在 1:8 到 8:1 之间,最大 20MB,可使用公开网址或 data:{MIME_type};base64,… 网址。driving_audio(WAV/MP3,2-30 秒,最大 15MB)和 first_clip(MP4/MOV,2-10 秒,每边 240-4096 像素,最大 100MB):公开的 HTTP/HTTPS 网址;不接受内联 data: 网址。
- wan2.7-r2v: first_frame(可选,最大 1 个)、reference_image、reference_video。至少需要一个 reference_image 或 reference_video,且参考图像加参考视频总计最多 5 个。first_frame 和 reference_image:JPEG/JPG/PNG/BMP/WEBP(不含透明度通道),每边 240-8000 像素,宽高比在 1:8 到 8:1 之间,最大 20MB,可使用公开网址或 data:{MIME_type};base64,… 网址。reference_video:公开的 HTTP/HTTPS 网址;不接受内联 data: 网址。
- wan2.7-videoedit: video(恰好 1 个,即被编辑的片段:MP4/MOV,2-10 秒,每边 240-4096 像素,最大 100MB,公开的 HTTP/HTTPS 网址;不接受内联 data: 网址),外加可选的 0 到 4 个 reference_image(JPEG/JPG/PNG/BMP/WEBP,每边 240-8000 像素,宽高比在 1:8 到 8:1 之间,最大 20MB,可使用公开网址或 data:{MIME_type};base64,… 网址)。
- wan3.0-video, wan3.0-video-prime: first_frame(最大 1 个)、last_frame(最大 1 个)、reference_image(最大 10 个)、reference_video(最大 5 个片段,总时长 <= 15s)、reference_audio(最大 5 个片段,总时长 <= 15s)、file(最大 1 个,不能与 link 同时使用)、link(最大 1 个,不能与 file 同时使用)。reference_*/file/link 类型与 first_frame/last_frame 类型在同一请求内互斥。数组顺序决定资产在提示词中的参考顺序(Image 1、Video 1、Audio 1……)。first_frame、last_frame 和 reference_image:JPEG/JPG/PNG/BMP/WEBP,每边 240-8000 像素,宽高比最大 8:1,最大 20MB,可使用公开网址或 data:{MIME_type};base64,… 网址。reference_video、reference_audio、file 和 link:公开的 HTTP/HTTPS 网址;不接受内联 data: 网址。
- happyhorse-1.0-i2v, happyhorse-1.1-i2v: 仅 first_frame,恰好 1 个。这些拼写在此处接收首帧,而不是在 img_url 中。至少 300x300 像素,宽高比在 1:2.5 到 2.5:1 之间,JPEG/JPG/PNG/WEBP,最大 20MB,可使用公开网址或 data:{MIME_type};base64,… 网址。
- happyhorse-1.0-r2v, happyhorse-1.1-r2v: 仅 reference_image,1 到 9 个。这是该模型唯一的参考输入。最短边至少 400 像素,JPEG/JPG/PNG/WEBP,最大 20MB,可使用公开网址或 data:{MIME_type};base64,… 网址。reference_video 不是此操作的输入类型。
- happyhorse-1.0-video-edit: video(恰好 1 个,即被编辑的片段:MP4/MOV,3-60 秒,长边最大 4096 像素,短边至少 360 像素,宽高比在 1:2.5 到 2.5:1 之间,最大 100MB,公开的 HTTP/HTTPS 网址;不接受内联 data: 网址),外加可选的 0 到 5 个 reference_image(JPEG/JPG/PNG/BMP/WEBP,至少 300x300 像素,宽高比在 1:2.5 到 2.5:1 之间,最大 20MB,可使用公开网址或 data:{MIME_type};base64,… 网址)。
- happyhorse-1.0-t2v, happyhorse-1.1-t2v, wan2.7-t2v, wan2.6-t2v, wan2.5-t2v-preview: 文生视频操作。其对应的参考文档未记载任何 media 输入,因此请保持此字段不设置。
- wan2.5-i2v-preview, wan2.6-i2v, wan2.6-r2v: 本组件未为这些拼写枚举任何 media 词汇。wan2.5-i2v-preview 和 wan2.6-i2v 在 img_url 中接收首帧;wan2.6-r2v 在 reference_video_urls 中接收其参考片段。
媒体资产类型可选值:
first_frame、last_frame、driving_audio、first_clip、reference_image、reference_video、reference_audio、video、file、link媒体文件的 URL:一个公共 HTTP/HTTPS URL;或者,仅对上方
media 描述中为各模型列出的 IMAGE 输入(wan2.7-i2v 的 first_frame 和 last_frame;wan2.7-r2v 的 first_frame 和 reference_image;wan2.7-videoedit 的 reference_image;wan3.0-video 和 wan3.0-video-prime 的 first_frame、last_frame 和 reference_image;happyhorse-1.0-i2v 和 happyhorse-1.1-i2v 的 first_frame;happyhorse-1.0-r2v 和 happyhorse-1.1-r2v 的 reference_image;以及 happyhorse-1.0-video-edit 的 reference_image),可以是内联的 data:{MIME_type};base64,... URL。这些模型上任何视频、音频、文件或 link 输入都不接受内联 data: URL。来自合作伙伴自有上传服务的 oss://dashscope-instant 临时 URL,或(在 wan2.7-videoedit 上)Asset Center 的 asset_id,只能对上传它的那个阿里云账户生效;Comfy 使用自己的密钥发起模型调用,且不提供上传通道,因此调用方自己的 oss:// URL 或 asset_id 不是受支持的输入。此字段不校验 URL 的协议,因此这类值会原样转发给合作伙伴,而不会在此处被拒绝。各模型的大小与像素限制,以及约束内联载荷总量的 100 MiB Router 请求体上限,请参见 media 描述。文本提示词。支持中文和英文。超过各自文档规定的长度时,wan2.x 模型会截断提示词,而不是拒绝它:wan2.5 和 wan2.6 为 1,500 个字符,wan2.7 为 5,000 个字符。wan3.0-video 和 wan3.0-video-prime 最多接受 20,000 个字符。如果 prompt 与 negative_prompt 合计超过约 60,850 字节的 UTF-8 文本(约 20,000 个汉字),提供商将拒绝该请求,并返回 InvalidParameter
Range of input length should be [1, 61440]。
对于带有多个参考视频的 wan2.6-r2v,请按参考视频的顺序使用 ‘character1’、‘character2’ 等来指代主体。示例:“Character1 在路边唱歌,Character2 在旁边跳舞”
对于 wan3.0-video 的参考模式,请使用 ‘Image 1’、‘Video 1’、‘Audio 1’ 等,按媒体数组中对应的顺序指代媒体资产。仅用于 wan2.6-r2v 模型的参考视频 URL。1-3 个视频 URL 组成的数组。
输入限制:
- 格式:mp4、mov
- 数量:1-3 个视频
- 单个视频时长:2-30 秒
- 单个文件大小:最大 30MB
- 不能与 audio_url 一起使用 参考时长:单个视频最长 5s,两个视频每个最长 2.5s,三个视频按比例更短。 计费:按实际使用的参考时长计算。
要调用的模型 ID。此组件上不做约束:Comfy Router 会从
POST /v2/models/wan/{model} 的 {model} 路径段中填入它,因此 Router 调用方可以省略。直接对 POST /proxy/wan/api/v1/services/aigc/video-generation/video-synthesis 发起 v1 调用时则必须提供它,可接受的拼写枚举位于该操作自己的组件 WanVideoGenerationRequest 上。wan2.7-videoedit 模型的视频音频设置。
- auto(默认):模型根据提示词内容智能判断
-
origin:强制保留输入视频的原始音频
可选值:
auto、origin
生成视频的时长,单位为秒:
- wan2.5 模型:5 或 10 秒
- wan2.6-t2v、wan2.6-i2v:5、10 或 15 秒
- wan2.6-r2v:仅 5 或 10 秒(不支持 15s)
- wan2.7-i2v、wan2.7-t2v:[2, 15] 区间内的整数
- wan2.7-r2v、wan2.7-videoedit:[2, 10] 区间内的整数
-
wan3.0-video:无视频输入时为 [2, 30] 区间内的整数;有视频输入时,
输入视频总时长 + 输出视频时长不得超过 30 秒;-1 启用智能时长模式,
由模型选择合适的时长
此代理对超出 [-1, 30] 的 duration 返回 400。
范围:
-1到30
生成视频的宽高比。仅适用于 wan2.7 和 wan3.0 模型。
对于 wan2.7 模型,若未提供,则根据分辨率档位取默认值。
对于 wan3.0-video,adaptive(默认值)会根据输入媒体的比例和意图自动推荐合适的宽高比。可能的值:
adaptive、16:9、9:16、1:1、4:3、3:4分辨率等级。支持的值因模型而异:
- wan2.5-i2v-preview:480P、720P、1080P
- wan2.6 模型(t2v、i2v、r2v):仅支持 720P、1080P(不支持 480P)
- wan2.7 模型(i2v、t2v、r2v、videoedit):720P、1080P(默认 1080P)
- wan3.0-video、wan3.0-video-prime:480P、720P、1080P(上游默认 1080P)
- happyhorse-1.0-*(t2v、i2v、r2v、video-edit):720P、1080P
-
happyhorse-1.1-*(t2v、i2v、r2v):480P、720P、1080P
本代理会拒绝既不提供 resolution 也不提供 size 的视频生成请求,因为分辨率档位决定计费费率。它会在检查前先将 resolution 转为大写并转发大写后的值,对于不在该枚举范围内的值返回 400,对于上文列为不支持 480P 的 wan2.6、wan2.7 和 happyhorse-1.0 模型,返回 400(无论该 480P 是以 resolution 还是以 480P 的 size 形式发送)。
可能的值:
480P、720P、1080P
智能多镜头控制。仅在 prompt_extend 启用时生效。
适用于 wan2.6 和 wan2.7-r2v 模型。
- single:单镜头视频(默认)
-
multi:多镜头视频
可能的值:
multi、single
视频分辨率,格式为 widthheight。支持的尺寸因模型而异:
对于 wan2.5 T2V:480P(480832、832480、624624)、720P、1080P 尺寸
对于 wan2.6 T2V/R2V(不支持 480P):
720P:1280720、7201280、960960、1088832、8321088
1080P:19201080、10801920、14401440、16321248、12481632
当同时发送 size 和 resolution 时,由 size 选择计费档位,而 resolution 仍必须是本代理针对该模型接受的值。对于分辨率描述中列为不支持 480P 的所有模型,发送 480P 的 size 都会返回 400。
GET /v2/models/wan/wan2.6-r2v/openapi.json 提供的 schema 生成,该文档也是它在请求到达提供商之前校验调用所依据的同一份文档。
输出
示例
输入
输出
发布前须知
SDK 会生成Idempotency-Key 并在自动重试中复用它。手动重试时,请复用原始 key。Router 最长可保持连接 10 分钟。
请求失败时,Router 会发送 X-Comfy-Error-Type 响应头说明原因。422 表示 Router 在调用提供商之前就拒绝了输入,413 表示请求体超出了 Router 可接受的大小。已生成的资源请及时下载,因为结果 URL 会过期。
上文任何字段描述中提到的尺寸限制,都是提供商对该字段自身的限定,引自提供商的规范。Router 会对整个请求体另行设置上限,base64 编码的媒体内容也计入其中:参见请求体大小。
本页记录的是通过 Comfy Router 调用的某一个合作伙伴模型。同一个 comfy-sdk / @comfyorg/sdk 包还提供第二个客户端,用于在 Comfy Cloud 上运行完整的 ComfyUI 工作流图:Comfy(api_key=...) / new Comfy({ apiKey }),并带有 client.workflows、client.assets 和 client.jobs。请参阅 Comfy SDKs。
请求头
身份验证、幂等性、请求 ID、错误分类、重试节奏、消费限额。
使用 Router API
模型发现、验证错误、重试与计费。
限制
Router 目前不支持的功能,以及替代方案。